Java 类名：com.alibaba.alink.operator.batch.regression.FmRegressorTrainBatchOp
Python 类名：FmRegressorTrainBatchOp

功能介绍

FM即因子分解机（Factor Machine），它的特点是考虑了特征之间的相互作用，是一种非线性模型。该组件使用FM模型解决回归问题。

算法原理

FM模型是线性模型的升级，是在线性表达式后面加入了新的交叉项特征及对应的权值，FM模型的表达式如下所示：
FM回归训练 (FmRegressorTrainBatchOp) - 图1
这里我们使用 Adagrad 优化算法求解该模型。算法原理细节可以参考文献[1]。

算法使用

FM算法是推荐领域被验证的效果较好的推荐方案之一，在电商、广告、视频、信息流、游戏的推荐领域有广泛应用。

  • 备注 ：该组件训练的时候 FeatureCols 和 VectorCol 是两个互斥参数，只能有一个参数来描述算法的输入特征。

    文献

    [1] S. Rendle, “Factorization Machines,” 2010 IEEE International Conference on Data Mining, 2010, pp. 995-1000, doi: 10.1109/ICDM.2010.127.

    参数说明

    | 名称 | 中文名称 | 描述 | 类型 | 是否必须？ | 取值范围 | 默认值 | | —- | —- | —- | —- | —- | —- | —- |

| labelCol | 标签列名 | 输入表中的标签列名 | String | ✓ | | |

| batchSize | 迭代数据batch size | 数据batch size | Integer | | | -1 |

| epsilon | 收敛阈值 | 迭代方法的终止判断阈值，默认值为 1.0e-6 | Double | | [0.0, +inf) | 1.0E-6 |

| featureCols | 特征列名数组 | 特征列名数组，默认全选 | String[] | | 所选列类型为 [BIGDECIMAL, BIGINTEGER, BYTE, DOUBLE, FLOAT, INTEGER, LONG, SHORT] | null |

| initStdev | 初始化参数的标准差 | 初始化参数的标准差 | Double | | | 0.05 |

| lambda0 | 常数项正则化系数 | 常数项正则化系数 | Double | | | 0.0 |

| lambda1 | 线性项正则化系数 | 线性项正则化系数 | Double | | | 0.0 |

| lambda2 | 二次项正则化系数 | 二次项正则化系数 | Double | | | 0.0 |

| learnRate | 学习率 | 学习率 | Double | | | 0.01 |

| numEpochs | epoch数 | epoch数 | Integer | | | 10 |

| numFactor | 因子数 | 因子数 | Integer | | | 10 |

| vectorCol | 向量列名 | 向量列对应的列名，默认值是null | String | | 所选列类型为 [DENSE_VECTOR, SPARSE_VECTOR, STRING, VECTOR] | null |

| weightCol | 权重列名 | 权重列对应的列名 | String | | 所选列类型为 [BIGDECIMAL, BIGINTEGER, BYTE, DOUBLE, FLOAT, INTEGER, LONG, SHORT] | null |

| withIntercept | 是否有常数项 | 是否有常数项，默认true | Boolean | | | true |

| withLinearItem | 是否含有线性项 | 是否含有线性项 | Boolean | | | true |

代码示例

Python 代码

  1. from pyalink.alink import *
  3. import pandas as pd
  5. useLocalEnv(1)
  7. df = pd.DataFrame([
  8.     ["1:1.1 3:2.0", 1.0],
  9.     ["2:2.1 10:3.1", 1.0],
  10.     ["1:1.2 5:3.2", 0.0],
  11.     ["3:1.2 7:4.2", 0.0]
  12. ])
  14. input = BatchOperator.fromDataframe(df, schemaStr='kv string, label double')
  16. fm = FmRegressorTrainBatchOp()\
  17.         .setVectorCol("kv")\
  18.         .setLabelCol("label")
  19. model = input.link(fm)
  21. predictor = FmRegressorPredictBatchOp()\
  22.         .setPredictionCol("pred")
  24. predictor.linkFrom(model, input).print()

Java 代码

  1. import org.apache.flink.types.Row;
  3. import com.alibaba.alink.operator.batch.BatchOperator;
  4. import com.alibaba.alink.operator.batch.regression.FmRegressorPredictBatchOp;
  5. import com.alibaba.alink.operator.batch.regression.FmRegressorTrainBatchOp;
  6. import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
  7. import org.junit.Test;
  9. import java.util.Arrays;
  10. import java.util.List;
  12. public class FmRegressorTrainBatchOpTest {
  13.     @Test
  14.     public void testFmRegressorTrainBatchOp() throws Exception {
  15.         List <Row> df = Arrays.asList(
  16.             Row.of("1:1.1 3:2.0", 1.0),
  17.             Row.of("2:2.1 10:3.1", 1.0),
  18.             Row.of("1:1.2 5:3.2", 0.0),
  19.             Row.of("3:1.2 7:4.2", 0.0)
  20.         );
  21.         BatchOperator <?> input = new MemSourceBatchOp(df, "kv string, label double");
  22.         BatchOperator <?> fm = new FmRegressorTrainBatchOp()
  23.             .setVectorCol("kv")
  24.             .setLabelCol("label");
  25.         BatchOperator model = input.link(fm);
  26.         BatchOperator <?> predictor = new FmRegressorPredictBatchOp()
  27.             .setPredictionCol("pred");
  28.         predictor.linkFrom(model, input).print();
  29.     }
  30. }

运行结果

| kv | label | pred | | —- | —- | —- |

| 1:1.1 3:2.0 | 1.0 | 0.473600 |

| 2:2.1 10:3.1 | 1.0 | 0.755115 |

| 1:1.2 5:3.2 | 0.0 | 0.005875 |

| 3:1.2 7:4.2 | 0.0 | 0.004641 |

备注

该组件的输入为训练数据，输出为Fm回归模型。